本项目面向油田注水泵关键部件的智能故障诊断与健康管理。柱塞式注水泵长期处于高压、强振和腐蚀介质环境，电机端与液力端故障频发，传统阈值告警难以识别早期退化和跨工况异常。项目以多通道振动、工况和传感器数据为基础，研究电机端长尾故障识别、液力端多测点融合与迁移诊断，并开发工程化健康管理系统，将算法结果转化为可追溯、可复核、可执行的运维决策支持，服务现场安全生产、检修优化和设备全寿命管理。

本项目主要目标包括三方面：电机端以长尾类别不平衡场景下的精准诊断为目标，从数据层、特征层和训练层协同优化，提升尾类故障召回率并降低漏检风险；液力端以多通道融合特征提取和跨工况迁移诊断为目标，利用注意力机制提取测点关联，通过域对抗迁移缓解工况分布偏移，实现不同压力、转频条件下的稳定识别；健康管理系统以工程化应用为目标，建设监测数据库、数据对齐策略、算法集成、溯源分析和可解释性模块，支撑现场精准决策。

本项目形成算法模型与工程系统两类成果。电机端完成1D-CNN、TCN基线模型及阶段自适应复合损失、多中心类别约束等优化，增强不平衡场景下尾类识别能力；液力端完成基于注意力机制的多通道融合特征提取网络和W-DANN跨工况迁移诊断，在高压高频及跨压力工况下验证效果；系统端完成基于MySQL/Redis、FastAPI、Vue3和ECharts的健康管理平台，覆盖实时总览、运行监测、告警事件、诊断分析、维护知识库、模型解释更新。